新しいテクニックでAIが物理学を直感的に理解する

人工知能は、強化学習を通じて物理学を理解する能力を持っているが、MITの研究者によって開発された新しいテクニックは、エンジニアが物理学の直感的な理解を示すモデルを設計するのを助けることができる。

心理学的研究によると、人間はある程度物理学の法則を直感的に理解している。赤ちゃんは物体の挙動について期待を持っており、これらの期待が裏切られると驚く。MITチームの研究は、人工知能の新しい応用を促進するだけでなく、心理学者が赤ちゃんが世界を観察し、学習する方法を理解するのを助ける可能性がある。

MITチームによって設計されたモデルはADEPTと呼ばれ、物理空間における物体の挙動について予測することで機能する。このモデルは物体を観察し、予測と比較して「驚き」のメトリックを追跡する。予想外のことが起こると、モデルは驚きの値を増加させる。物体がテレポートしたり突然消えたりするなどの予想外で不可能な行動は、驚きの値を大幅に増加させる。

研究チームの目的は、人間があり得ない物体の挙動を見たときと同じレベルの驚きをモデルに登録することだった。

ADEPTには2つの主要なコンポーネントがある。物理エンジンと逆グラフィックスモジュールである。物理エンジンは、物体の将来の表現を予測するために、可能な状態の範囲から物体の将来の表現を予測する責任がある。逆グラフィックスモジュールは、物理エンジンに供給される物体の表現を作成する責任がある。

逆グラフィックスモジュールは、速度、形状、物体の向きなどの複数の属性を追跡し、これらの情報をビデオのフレームから抽出する。逆グラフィックスモジュールは、物理エンジンが物体を解釈し、新しい状態を予測するのを助ける最も重要な詳細にのみ焦点を当てる。物理エンジンは、これらの物体の説明を取り込み、流動性や剛性などのより複雑な物理的挙動をシミュレートすることで、物体がどのように挙動するかについて予測する。

この処理が完了した後、モデルはビデオの実際の次のフレームを観察し、これを使用して、可能な物体の挙動に関する確率分布を再計算する。驚きは、起こるべき確率に反比例し、モデルが起こるべきことを信じていることと実際に起こることとの間で大きな矛盾がある場合にのみ、大きな驚きを登録する。

研究チームは、モデルと人間の驚きを比較する方法を見つける必要があった。発達心理学では、研究者は赤ちゃんに2つのビデオを示すことが多い。1つのビデオでは、物体が予想どおりに挙動し、もう1つのビデオでは、物体が物理学の法則に違反する。研究チームは、これらの基本的な概念を取り入れ、60人の大人が64つのビデオ（予想される物理的挙動と予想外の物理的挙動の両方）を観察するよう依頼した。参加者はビデオのさまざまな時点で驚きのレベルを1から100のスケールで評価するよう求められた。

モデルのパフォーマンスの分析は、壁の後ろに物体が移動し、壁が除去されるときに、人間の驚きのレベルとよく一致していることを示した。モデルは、人間が驚きを示さないが、驚くべき状況でも驚きを示した。たとえば、物体が壁の後ろに移動し、すぐに壁の反対側に出てきた場合、物体はテレポートしたか、速度が大幅に増加したに違いない。

従来のニューラルネットワークと比較して、ADEPTネットワークは、驚きと驚かないシーンを区別する能力がはるかに優れており、人間の反応とより密接に一致していた。

MITの研究チームは、赤ちゃんが世界を観察し、学習する方法についてさらに深く理解し、ADEPTモデルを含む新しいバージョンにその発見を取り入れることを目指している。

そして驚きと予想外なシーンとADEPTのパフォーマンスが人間の反応とより密接に一致していた。MITの研究チームは、赤ちゃんが世界を観察し、学習する方法についてさらに深く理解し、ADEPTモデルを含む新しいバージョンにその発見を取り入れることを目指している。